RPA与AI的结合，一方面可以与“超自动化”的理念结合，超自动化是一种顶级战略技术，它可协调多种自动化工具、技术或平台来提高企业效益；一方面也有新兴的概念“混合自动化”，将RPA和其他的自动化产品相结合使用，得到事半功倍的效果。
涉及具体的用户场景：
RPA + ChatBot(NLP)
客服代表每天经常会收到多次相同的问题，因此业务目标是期望客户更方便快捷地得到问题答案，并减少对客服中心的重复呼叫。客户先通过网站或电话咨询Chatbot索赔状态，Chatbot利用NLP和对话式AI来理解问题并提供答案。如果客户希望对索赔决定提出上诉，可以告诉Chatbot，Chatbot将触发iBPM处理上诉。
RPA + 无人机、智能机器人
由于疫情发展，供应链的地位获得提升，拥有一个由利益相关者、流程和事物组成的统一、数字化的网络至关重要。即使是最成熟的组织，在某些领域也存在缺口和不成熟的地方，需要在供应网络、外包生产或最后一公里物流中加以解决。通过有针对性的组合超自动化技术、工具及平台，可以跨网络（如供应、制造、产品分销）实现数字化、协作和价值共享。
在扩展分销和多企业网络、智能机器人、无人机和机器的自主和互联网络中优化产品和物流工作流程，映射、分析和完善整个监管链中的产品工作流程。这可以包括仓库、堆场环境、履行中心、远程零件仓库和配送中心。
人工智能、机器学习和分析应用程序可增强 CRM 和客户服务环境中的传统手动密集型任务，并创建更具包容性和身临其境的客户环境。用于定位、捕获和整合客户档案数据点并提出定制建议的工具。自动化服务支持代理只需单击即可访问完全填充的配置文件，而无需在与购买、订单、退货或历史 CRM 交互相关的不同应用程序或登录页面之间切换。
RPA + CV + NLP
人工智能技术常常会被用于处理非结构化数据，例如电子邮件、聊天、短信和采购订单。特别在金融行业中，原本银行文件中包含大量非结构化的数据。传统RPA处理不了这些非结构化的数据，借助人工智能技术就可解锁审批智能化、合规智能化、风控智能化等一系列智能化需求。
金融类文档中存在着大量的财务数据，分布在文字段落和表格当中，模型可以智能识别财务数据的指代关系，有效验证文件中上下文财务数据的一致性，实现表内纠错、表表纠错以及表文纠错的功能。 利用视觉检测技术可以识别出文件中的各种样式的表格内容，并结合语言模型和关键信息抽取来定位表格中单位缺失、标题不一致、语法错误等各类表格内容错误。
